2.8 KiB
设定基线
原文:https://python.land/python-concurrency/setting-the-baseline
在所有关于 Python 并发和 Python GIL 的理论之后，我们现在准备好一些示例代码和实验。我们开始工作吧！
目录
我们的测试函数
让我们首先定义一个函数，我们可以用它来测试我们不同的选项。以下所有示例都使用相同的函数，称为 heavy :
def heavy(n, myid):
for x in range(1, n):
for y in range(1, n):
x**y
print(myid, "is done")
heavy 函数是一个嵌套的 Python for 循环，它执行乘法运算。这是一个受 CPU 限制的函数。如果您在运行时观察您的系统，您将看到 CPU 使用率接近 100%(对于一个内核)。你可以用你想要的任何东西来代替它，但是要注意竞争条件——不要使用共享对象或变量。
我们将以不同的方式运行这个函数，并探索常规单线程 Python 程序、多线程和多重处理之间的差异。
Thank you for reading my tutorials. I write these in my free time, and it requires a lot of time and effort. I use ads to keep writing these free articles, I hope you understand! Support me by disabling your adblocker on my website or, alternatively, buy me some coffee. It's much appreciated and allows me to keep working on this site!
基线:单线程执行
每个 Python 程序至少有一个线程:主线程。下面你会发现单线程版本，这是我们的速度基准。它按顺序运行我们的繁重函数 80 次:
import time
# A CPU heavy calculation, just
# as an example. This can be
# anything you like
def heavy(n, myid):
for x in range(1, n):
for y in range(1, n):
x**y
print(myid, "is done")
def sequential(n):
for i in range(n):
heavy(500, i)
if __name__ == "__main__":
start = time.time()
sequential(80)
end = time.time()
print("Took: ", end - start)
在我的系统上，这大约需要 46 秒才能完成。
请注意，if __name__ == "__main__":部分是在 Windows 计算机上工作所必需的，但最好总是使用它。